基于局部灰度聚类的高斯分布拟合模型

针对高斯分布拟合模型对初始轮廓敏感的问题,提出一个基于局部灰度聚类的高斯分布拟合模型.新模型根据图像局部像素灰度聚类特点,采用灰度偏移场和一个分片常量函数共同拟合图像的局部灰度均值,实现了图像全局信息和局部信息的有机结合,使轮廓可以从任意初始位置向目标边缘演化,最后收敛在边缘上.新模型采用一种快速有效的数值方法实现,水平集函数在整个演化过程中不必重新初始化,活动轮廓演化速度得到显著提高.实验结果表明,本文算法能够在不同的轮廓初始化情况下获得准确的分割结果.     

融合全局图像信息的局部灰度拟合模型

[目的]研究提高基于局部区域信息的活动轮廓模型对轮廓初始化和强噪声的鲁棒性.[方法]以区域可变灰度拟合模型为基础提出了一个新的结合图像全局信息的局部灰度拟合模型.新模型的能量泛函包括3项:基于图像全局和局部信息的数据项、融合边缘指示函数的光滑项以及水平集函数的正则化项.通过变分法和梯度下降流方法得到水平集函数的演化方程...     

一种新的基于局部区域的活动轮廓模型

提出了一种新的基于曲线演化的活动轮廓图像分割模型.该模型利用局部图像统计信息来代替C-V模型中的全局灰度均值,以此可以分割灰度不均匀的图像.此外,在模型定义的能量泛函中增加了水平集正则项,以此来保证数值计算的准确性和避免对水平集函数的重新初始化.将本文提出的活动轮廓模型用于分割人工和自然图像,比较结果显示:C-V模型不能很好处理灰度不均匀图像,而本文提出的模型对灰度不均匀图像能得到满意的分割效果.     

结合局部与全局信息的主动轮廓模型

针对基于主动轮廓模型的图像分割,现有算法不能满足其实际应用多样性的问题,结合LBF模型和C-V模型的优点,提出一个新的结合局部与全局信息的LGIF主动轮廓模型,解决了LBF模型容易陷入局部极小值而导致错误分割的问题,也解决了C-V模型演化速度慢的问题。实验证明,新模型能分割C-V模型、CVI模型不能分割的灰度不均匀的图像,也能分割LBF模型不能分割的灰度不均匀的图像,对初始轮廓的大小和位置不敏感,具有较强的抗噪性。新模型演化速度快,耗时短,效率高,稳定性好。     

融入全局信息的局部拟合的活动轮廓模型

提出一种结合局部和全局灰度信息的图像分割模型.该模型通过引入新的控制参数,降低了局部拟合项在局部二值拟合的活动轮廓模型(LBF模型)中的主导作用,同时增加了全局信息在模型中的辅助作用,从而改进了局部二元拟合项.实验结果表明,改进的模型不仅能分割灰度不均的图像,而且提高了轮廓初始化的灵活性.针对一些合成和真实的图像,改进的模型减轻了对轮廓初始化位置、大小及噪声的敏感性,同时加快了曲线的演化速度,减少了CPU时间.     

一种改进的C-V主动轮廓模型

针对C-V(Chan-Vese)模型不能较好分割灰度不均匀图像的缺点,对C-V模型能量方程进行改进。将图像的局部灰度拟合信息融入到面积项中,使分割兼顾了图像的全局和局部信息,同时加入惩罚能量项来约束水平集函数逼近符号距离函数,避免模型重新初始化。对灰度不均匀图像分割的实验结果表明,该模型优于C-V模型。     

基于主动轮廓模型的图像分割算法

主动轮廓模型算法是目前流行的图像分割算法,其主要优点是无论图像的质量如何,总可以抽取得到光滑、封闭的边界.本文综述了主动轮廓模型算法的发展概况,并分类介绍了各算法的特点.此外,本文还给出了算法发展的方向,以及今后研究所面临的关键问题.     

基于B样条的主动轮廓模型

利用参数化B样条来描述轮廓线,得到B—Snake主动轮廓模型;该模型与传统模型相比,计算复杂度低、收敛速度快、具有较高的数值稳定性,并且,能处理一阶导和二阶导数等非连续情况。用具体的实例验证了B-Snake模型的上述优点。     

一种改进的水平集主动轮廓模型

通过统计具有图像增强能力的局部区域信息,提出了一种改进的水平集主动轮廓模型.结合非负核函数和具有矫正图像误差特点的灰度集群思想,定义了一种新的符号压力函数(SPF),此函数能够很好处理灰度不均匀、对象边界不明确的问题.并且,引入惩罚项,确保水平集函数的适应性.真实图像和合成图像的实验结果表明,该模型收敛迅速,具有抗噪性,对分割目标图像敏感,能够处理弱边界的多目标图像.     

基于改进CV模型的高原鼠兔图像分割

针对CV模型无法分割灰度不均图像的问题,提出改进CV模型.在CV模型能量泛函中引入前景灰度不均抑制项,使CV模型能够对前景灰度不均图像进行分割.此外,在图像预处理阶段引入四叉树方法和大津法,缩小CV模型分割图像的搜索范围,减少分割时间;弥补CV模型须要手动设置初始轮廓的问题.实验结果表明:改进CV模型能够实现对前景灰度不均图像的精确分割,且耗时少,在背景抑制、目标区域轮廓定位等方面效果好.     

基于区域的活动轮廓图像分割模型的变步长优化算法

基于偏微分方程图像分割的活动轮廓模型,基本思想是将图像分割归结为最小化一个封闭曲线的能量泛函,图像分割问题实质上是一个无约束最优化问题.传统最小化算法的数值实现过程中采用固定时间步长的方法,时间步长选取较大,迭代过程容易出现震荡现象影响分割结果,而时间步长选取较小,又会减慢收敛速度.利用Wolfe-Powell线搜索方法,提出了一种变时间步长的优化算法,在迭代过程中根据搜索方向自动调整时间步长大小,有效克服了固定时间步长出现的震荡现象和收敛速度慢的问题.     

活动轮廓模型在医学图像分割的综述

医学图像分割作为图像处理领域的一个研究热点,长期受到广大科研工作者的关注。活动轮廓模型作为医学图像分割的一个重要工具,在近30年的研究中得到了长足的发展。根据活动轮廓模型的表达方式不同,将活动轮廓模型分为参数活动轮廓模型、几何活动轮廓模型;相对于参数活动轮廓模型,几何活动轮廓模型中曲线的运动过程是基于曲线的几何度量,如曲线的法线、曲率等;又由于水平集方法在几何活动轮廓模型的成功应用,使得几何活动轮廓模型在曲线的拓扑变化、数值求解等方面有不少优势。为了全面展示活动轮廓模型的发展历程及其在医学图像领域的应用,首先简述活动轮廓模型的发展历程及一些偏微分方程的基础知识;然后,详细分析几种较为经典活动轮廓模型;接着,对两种类型的活动轮廓模型进行对比分析;最后,对全文进行总结,并对活动轮廓模型的发展与未来进行展望。     

一种改进的基于活动轮廓和光流的运动目标分割方法

将光流技术和几何活动轮廓模型结合起来对运动目标进行分割,一方面可以通过算法分割出运动目标轮廓,另一方面,使得算法面对背景变化的情况仍具有一定的适应性.为了更好地将二者结合起来,进行2个方面的改进;建立基于运动边缘的几何活动轮廓模型,从而克服光流计算中由弱纹理区域产生的运动空洞对分割的影响;引入边缘增强的非线性扩散作为光流计算模型中的平滑项约束,可以在平滑流场的同时减小运动边缘处平滑效果而保护边缘,进而提高运动目标分割的完整性.研究结果表明:与现有算法相比较,该算法能够更准确地分割出运动目标的轮廓,同时在一定程度上克服背景运动的情况.     

常值初始化的自适应活动轮廓模型

李纯明提出的水平集方法(LI模型)很好地解决了测地活动轮廓模型(GAC)的重新初始化问题,但该模型对边缘信息较弱或者灰度不均匀的图像分割结果仍然不理想.针对这些问题,提出常值初始化的自适应活动轮廓模型,该模型中自适应力的系数包含了图像的灰度信息,从而提高了活动轮廓在演化过程中对模糊边界的识别能力;同时,重新定义的外部能量,避免过分割现象.实验结果验证了模型的有效性.     

基于轮廓检测的自然图像分割

提出一种基于轮廓检测的自然图像分割方法,该方法结合了MDL(最小描述长度)统计技术和用变分水平集函数求解活动轮廓模型的图像分割方法.该方法可有效的分割出图像中最突出的感兴趣目标,实验表明本方法与当前技术相比分割效果更好.     

基于区域划分和改进C-V法的医学图像分割方法

提出了基于图像区域划分和改进C-V法的活动轮廓图像分割方法.通过区域划分的方法将整幅图像的分割问题转化为在不同的子区域上分别进行的图像分割问题,并在各子区域中采用改进C-V法进行图像分割.改进的C-V方法在简化Mum ford-Shah泛函的能量函数中增加距离函数惩罚项,从而将距离函数重新初始化的过程并入整个水平集框架模型中;并在分片常数优化逼近中,添加了图像梯度信息,改变了C-V法中均值取值定义,提高了对灰度层次丰富的图像分割能力.实验表明,该方法对灰度值接近、边界模糊的医学图像有很好的分割效果.     

一种针对脑部图像分割强度不均匀性的改进方法

强度不均匀性是医学图像中常见的问题,对图像的精确分割提出了许多挑战,图像分割是计算机视觉和计算的基础步骤,提出了一种基于模糊C均值(FCM)的能量最小化方法,将全局聚类和局部聚类相结合,用于磁共振(MR)脑图像的偏场估计和分割。该方法将MR图像分解为两个分量作为全局聚类项的优点,充分利用了表征组织物理性质的真实图像和解释强度不均匀性的偏置场及其各自的空间特性。MR图像的分解描述了整个图像中偏移场的变化,其中组织边界的某些深层变化细节可能会丢失。该方法利用了图像局部区域的不同偏移场的局部聚类项,较好地处理了不同组织间强度的深刻变化。由于局部聚类方法对偏移场的分布缺乏全局控制,此文利用了全局聚类和局部聚类的优点,考虑了两者的结合。在该方法中,通过能量最小化过程同时实现了偏移场估计和组织分割。用FCM迭代优化能量最小化问题,通过真实图像和合成图像与相关模型的对比实验,证明了该模型在偏差校正和分割精度方面的优越性。